Reconstrucción 3D de sólidos deformables mediante el uso de redes convolucionales
Autores
Fuentes Jiménez, DavidDirector
Pizarro Pérez, DanielFecha de publicación
2018Palabras clave
SfT (Shape-from-Template)
CNN (Convolutional Neural Network)
Warp
NRSfM (Non-Rigid Structure-from-Motion)
CMI
Tipo de documento
info:eu-repo/semantics/masterThesis
Versión
info:eu-repo/semantics/acceptedVersion
Derechos
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Derechos de acceso
info:eu-repo/semantics/openAccess
Resumen
Este trabajo de fin de master tiene por objetivo la reconstrucción 3D de sólidos deformables mediante la
utilización de redes neuronales convolucionales, en este caso con una arquitectura encoder-decoder.Dicha
aplicación busca una futura aplicación en realidad aumentada. This master thesis aims to achieve 3D reconstruction of deformable solids through the use of convolutional
neural networks, in this case with an encoder-decoder architecture. This work looks for a future application
in augmented reality.
Ficheros en el ítem
Ficheros | Tamaño | Formato |
|
---|---|---|---|
TFM_Fuentes_Jiménez_2018.pdf | 43.48Mb |
![]() |
Ficheros | Tamaño | Formato |
|
---|---|---|---|
TFM_Fuentes_Jiménez_2018.pdf | 43.48Mb |
![]() |